LRU和LFU 算法（页面置换算法）

LRU和LFU的区别

LRU和LFU都是内存管理的页面置换算法。

LRU：最近最少使用(最长时间)淘汰算法（Least Recently Used）。LRU是淘汰最长时间没有被使用的页面。

LFU：最不经常使用(最少次)淘汰算法（Least Frequently Used）。LFU是淘汰一段时间内，使用次数最少的页面。

例子

假设LFU方法的时期T为10分钟，访问如下页面所花的时间正好为10分钟，内存块大小为3。若所需页面顺序依次如下：

2 1 2 1 2 3 4

---------------------------------------->
- 当需要使用页面4时，内存块中存储着1、2、3，内存块中没有页面4，就会发生缺页中断，而且此时内存块已满，需要进行页面置换。
- 若按LRU算法，应替换掉页面1。因为页面1是最长时间没有被使用的了，页面2和3都在它后面被使用过。
- 若按LFU算法，应换页面3。因为在这段时间内，页面1被访问了2次，页面2被访问了3次，而页面3只被访问了1次，一段时间内被访问的次数最少。
LRU 关键是看页面最后一次被使用到发生替换的时间长短，时间越长，页面就会被置换；

LFU关键是看一定时间段内页面被使用的频率（次数），使用频率越低，页面就会被置换。
LRU算法适合：较大的文件比如游戏客户端（最近加载的地图文件）;
LFU算法适合：较小的文件和零碎的文件比如系统文件、应用程序文件 ;
LRU消耗CPU资源较少，LFU消耗CPU资源较多。

LRU (最长时间)

最近最久未使用算法, LRU是淘汰最长时间没有被使用的页面

功能

缓存容量capacity为正整数，缓存的key、value均为int类型
读缓存func get(key int) int：
- key已存在，返回对应value
- key不存在，返回-1
写缓存func put(key int, value int)：
- key已存在，修改对应value
- key不存在，写入该组缓存，若写入前缓存容量已达上限，则应淘汰最久未使用的缓存（强调：读、写缓存均视为使用）

数据结构

使用双向链表维护缓存的上一次使用时间：

约定：链表正方向（从头部到尾部）节点按照使用时间排序——越早使用（即久未使用）的节点，越靠近链表尾部

维护：每使用一次缓存，就将该缓存对应的链表节点移动到链表头部；缓存淘汰时，只需要删除尾部节点即可

增加一个map，记录key到链表节点的映射关系; 解决如果只使用双向链表，每次判断key是否存在时，都要遍历链表

cache：map[int]*listNode，key到节点的映射; 其中 listNode data：key, value
list：*listNode，双向链表，维护缓存的上一次使用时间
capacity：int，链表容量

伪代码

读缓存
1. key存在：
  - 在原链表中删除该缓存节点，重新插入到链表头部,
  - 返回对应的value
2. key不存在:
  - 返回-1
写缓存(更新缓存)
1. Key存在:
  - 更新缓存节点的value值
  - 在原链表中删除该缓存节点，并把该重新插入到链表头部
2. Key不存在:
  1. 容量已达上限：
    - 在链表中删除尾部节点（记录该节点的key）
    - 根据上一步中记录的key，删除对应的映射关系
    - 根据输入参数构造新的节点：
    - 将新的节点插入链表头部
    - 新增key到新的节点的映射关系
  2. 容量未达上限：
    - 根据输入参数构造新的节点：
    - 将新的节点插入链表头部
    - 新增key到新的节点的映射关系

Golang代码实现

// 双向链表节点
type doublyListNode struct {key   intvalue intprev  *doublyListNodenext  *doublyListNode
}// 构造一个双向空链表(首尾几点都是空节点)
func newDoublyList() *doublyListNode {headNode := &doublyListNode{}tailNode := &doublyListNode{}headNode.next = tailNodetailNode.prev = headNodereturn headNode
}// 把节点添加到链表头部
func (dl *doublyListNode) addToHead(node *doublyListNode) {dl.next.prev = nodenode.next = dl.nextdl.next = nodenode.prev = dl
}// 删除链表中的节点
func removeNode(node *doublyListNode) {node.next.prev = node.prevnode.prev.next = node.next
}// LRUCache 具体的缓存
type LRUCache struct {cache    map[int]*doublyListNodehead     *doublyListNodetail     *doublyListNodecapacity int
}// Constructor 构建缓存容器
func Constructor(capacity int) LRUCache {dl := newDoublyList()return LRUCache{cache:    make(map[int]*doublyListNode),head:     dl,tail:     dl.next,capacity: capacity,}
}func (lruCache *LRUCache) Get(key int) int {// 根据key 获取缓存v, ok := lruCache.cache[key]// 如果没有缓存, 返回-1if !ok {return -1}// 如果有缓存removeNode(v)              // 移除该缓存lruCache.head.addToHead(v) // 把缓存添加双向链表头部return v.value
}// Put 新建缓存
func (lruCache *LRUCache) Put(key int, value int) {// 已经有缓存if v, ok := lruCache.cache[key]; ok { // v 是双链表中的节点v.value = value            // 更新链表节点中的值lruCache.cache[key] = v    // 更新缓存中映射关系removeNode(v)              // 移除该缓存lruCache.head.addToHead(v) // 把缓存添加双向链表头部return}// 缓存超长 淘汰缓存if len(lruCache.cache) >= lruCache.capacity {node := lruCache.tail.prevremoveNode(node)                 // 删除该节点delete(lruCache.cache, node.key) // 清除 最近最少使用的缓存}newNode := &doublyListNode{key:   key,value: value,}lruCache.cache[key] = newNodelruCache.head.addToHead(newNode)
}

LFU (最少次)

功能

缓存容量capacity、缓存的key和value均为自然数（可以为0，代码中单独处理）
读缓存func get(key int) int：（与lru相同）
- key已存在，返回对应value
- key不存在，返回-1
写缓存func put(key int, value int)：
- key已存在，修改对应value
- key不存在，写入该组缓存，若写入前缓存容量已达上限，则应淘汰使用次数最少的缓存（记其使用次数为n）；
- 若使用次数为n的缓存数大于一个，则淘汰最久未使用的缓存（即，此时遵守lru规则）

数据结构

// LFUCache 具体的缓存  frequency 是使用次数
type LFUCache struct {recent   map[int]*doublyListNode // frequency 到使用次数为 frequency 的节点中，最近使用的一个的映射count    map[int]int             // frequency 到对应频率的节点数量的映射cache    map[int]*doublyListNode // key到节点的映射list     *doublyList             // 双向链表，维护缓存的使用次数（优先）和上一次使用时间capacity int                     // 容量
}

伪代码

读缓存
1. 存在：（记节点frequency为n）
  - 若存在其他frequency = n+1的节点，则将节点移动到所有frequency = n+1的节点的前面；
  - 否则，若存在其他frequency = n的节点，且当前节点不是最近节点，则将节点移动到所有frequency = n的节点的前面；
  - 否则，不移动节点（该情况下，节点就应该呆在它现在的位置）
  - 更新recent
  - 更新count
  - 将节点frequency +1
  - 返回节点的value
2. 不存在：返回-1
写缓存
- key存在
  - 参考读缓存——key存在，额外修改对应的value即可
- 不存在：
  - 若当前缓存容量已达上限：
    - 淘汰尾部的缓存节点（记节点freq为n）
    - 若不存在其他freq = n的节点，则将recent置空
    - 更新cache
    - 更新count
  - 构造新节点：key，value，frequency = 1
    - 是否存在其他frequency = 1的节点：
    - 存在：插入到它们的前面
    - 不存在：插入链表尾部
    - 更新recent
    - 更新cache
    - 更新count

Golang代码实现

// 双向链表
type doublyList struct {head *doublyListNodetail *doublyListNode
}// 删除尾结点
func (dl *doublyList) removeTail() {pre := dl.tail.prev.prevpre.next = dl.taildl.tail.prev = pre
}// 链表是否为空
func (dl *doublyList) isEmpty() bool {return dl.head.next == dl.tail
}// 双向链表节点
type doublyListNode struct {key       intvalue     intfrequency int // 使用次数prev      *doublyListNodenext      *doublyListNode
}// 在某一个节点之前插入一个节点
func addBefore(currNode *doublyListNode, newNode *doublyListNode) {pre := currNode.prevpre.next = newNodenewNode.next = currNodecurrNode.prev = newNodenewNode.prev = pre
}// LFUCache 具体的缓存
type LFUCache struct {recent   map[int]*doublyListNode // frequency 到使用次数为 frequency 的节点中，最近使用的一个的映射count    map[int]int             // frequency 到对应频率的节点数量的映射cache    map[int]*doublyListNode // key到节点的映射list     *doublyList             // 双向链表，维护缓存的使用次数（优先）和上一次使用时间capacity int                     // 容量
}func removeNode(node *doublyListNode) {node.prev.next = node.nextnode.next.prev = node.prev
}// Constructor 构建缓存容器
func Constructor(capacity int) LFUCache {return LFUCache{recent:   make(map[int]*doublyListNode),count:    make(map[int]int),cache:    make(map[int]*doublyListNode),list:     newDoublyList(),capacity: capacity,}
}func newDoublyList() *doublyList {headNode := &doublyListNode{}tailNode := &doublyListNode{}headNode.next = tailNodetailNode.prev = headNodereturn &doublyList{head: headNode,tail: tailNode,}
}func (lfu *LFUCache) Get(key int) int {if lfu.capacity == 0 {return -1}node, ok := lfu.cache[key]if !ok { // key不存在return -1}// key已存在next := node.nextif lfu.count[node.frequency+1] > 0 {// 存在其他使用次数为n+1的缓存，将指定缓存移动到所有使用次数为n+1的节点之前removeNode(node)addBefore(lfu.recent[node.frequency+1], node)} else if lfu.count[node.frequency] > 1 && lfu.recent[node.frequency] != node {// 不存在其他使用次数为n+1的缓存，但存在其他使用次数为n的缓存，且当前节点不是最近的节点// 将指定缓存移动到所有使用次数为n的节点之前removeNode(node)addBefore(lfu.recent[node.frequency], node)}// 更新recentlfu.recent[node.frequency+1] = nodeif lfu.count[node.frequency] <= 1 { // 不存在其他freq = n的节点，recent置空lfu.recent[node.frequency] = nil} else if lfu.recent[node.frequency] == node { // 存在其他freq = n的节点，且recent = node，将recent向后移动一位lfu.recent[node.frequency] = next}// 更新使用次数对应的节点数lfu.count[node.frequency+1]++lfu.count[node.frequency]--// 更新缓存使用次数node.frequency++return node.value
}// Put 新建缓存
func (lfu *LFUCache) Put(key int, value int) {if lfu.capacity == 0 {return}node, ok := lfu.cache[key]if ok { // key已存在lfu.Get(key)node.value = valuereturn}// key不存在if len(lfu.cache) >= lfu.capacity { // 缓存已满，删除最后一个节点，相应更新cache、count、recent（条件）tailNode := lfu.list.tail.prevlfu.list.removeTail()if lfu.count[tailNode.frequency] <= 1 {lfu.recent[tailNode.frequency] = nil}lfu.count[tailNode.frequency]--delete(lfu.cache, tailNode.key)}newNode := &doublyListNode{key:       key,value:     value,frequency: 1,}// 插入新的缓存节点if lfu.count[1] > 0 {addBefore(lfu.recent[1], newNode)} else {addBefore(lfu.list.tail, newNode)}// 更新recent、count、cachelfu.recent[1] = newNodelfu.count[1]++lfu.cache[key] = newNode
}

作者微信：foolish_is_me
作者邮箱：big_ox@163.com

LRU和LFU 算法（页面置换算法）相关推荐

计算机操作系统——页面置换算法
声明:本篇博客参考书籍<计算机操作系统>(西安电子科技大学出版社) 文章目录一.最佳页面置换算法 1.基本知识 2.算法思想二.先进先出(FIFO)页面置换算法 1.基本知识 2.算法 ...
缺页中断与页面置换算法
目录缺页中断页面置换算法: LRU算法缺页中断缺页:如果进程被调度,该进程需要使用的外存页(数据)不存在于数据块中,这个现象就叫做缺页.如果这个数据此时不在,就会将这个数据从加入到数据块首 ...
操作系统实验：页面置换算法的模拟实现及命中率对比（学习笔记）
操作系统实验:页面置换算法的模拟实现及命中率对比(学习笔记) 题目要求输入要求输出要求编程平台实验成果开始模拟错误输入退出程序代码实现抽象数据类型定义指令地址流生成指令地址流到页 ...
最近最久未使用页面置换算法
在一个请求分页系统中,采用最近最久未使用页面置换算法时,假如一个作业的页面走向为4.3.2.1.4.3.5.4.3.2.1.5,当分配给该作业的物理块数M分别为3和4时,试计算在访问过程中所发生的缺页 ...
java简单巡回置换算法程序代码_巡回置换算法(巡回置换算法实现流程)
LRU是Least Recently Used的缩写,即最近最少使用页面置换算法,是为虚拟页式存储管理服务的.LRU算法的提出,是基于这样一个事实:在前面几条指令中使用频繁的. 在一个请求分页系统中, ...
页面置换算法 - FIFO、LFU、LRU
缓存算法(页面置换算法)-FIFO. LFU. LRU 在前一篇文章中通过leetcode的一道题目了解了LRU算法的具体设计思路,下面继续来探讨一下另外两种常见的Cache算法:FIFO. LFU ...
操作系统之页面置换算法（FIFO、LFU、LRU、OPT算法）
操作系统之页面置换算法(FIFO.LFU.LRU.OPT算法) TIPS: 主存:实际上的物理内存. 虚存(虚拟内存):虚拟存储技术.虚拟内存使计算机系统内存管理的一种技术.它使得应用程序认为它拥有的 ...
操作系统：页面置换算法（FIFO算法、LRU算法、LFU算法、NRU算法）实验报告
操作系统实验报告一.实验名称 :页面置换算法二.实验目的: 在实验过程中应用操作系统的理论知识. 三.实验内容: 采用C/C++编程模拟实现:FIFO算法.LRU算法.LFU算法.NRU算法四个页 ...
页面置换算法——C/C++实现 [ OTP, FIFO, LRU, LFU + 开源代码 + 详细解析]
⌛️ 文章目录零.运行结果图一.最佳置换算法(OPT) 二.先进先出算法(FIFO) 三.最近最久未使用算法(LRU) 四.最不经常使用算法(LFU) 五.完整代码 -- C语言版本六.完整代码 ...

LRU和LFU 算法（页面置换算法）

LRU和LFU的区别

LRU (最长时间)

功能

数据结构

伪代码

Golang代码实现

LFU (最少次)

功能

数据结构

伪代码

Golang代码实现

LRU和LFU 算法（页面置换算法）相关推荐

最新文章

热门文章